一 : 基金代销机构是什么？有哪些典型的基金代销机构？

基金销售由基金管理人负责组织办理，基金管理人可以委托其他具有基金代销业务资格的机构代为办理基金销售，这些机构被统称为基金代销机构。［www.61k.com)根据我国《证券投资基金销售管理办法》，可以作为基金代销机构的是：商业银行、证券公司、证券投资咨询机构、专业基金销售机构以及中国证监会规定的其他机构。

有哪些典型的基金代销机构？

截止2014年1月底，我国基金代销机构总数为223家，其中商业银行、证券公司、期货公司、证券投资咨询机构、独立基金销售机构，分别达到89家、98家、2家、6家、28家。

哪些银行是基金代销机构？

建设银行、农业银行、工商银行、中国银行、中信银行、北京银行、交通银行、招商银行、东莞农村商业银行、日照银行、南昌银行、潍坊银行、福建海峡银行、绍兴银行、广东发展银行、浙商银行等。

哪些证券公司是基金代销机构？

中国银河证券股份有限公司、华福证券有限责任公司、中国国际金融有限公司、中山证券有限责任公司、诚浩证券有限责任公司、中信建投证券股份有限公司、广州证券有限责任公司、海通证券股份有限公司、申银万国证券股份有限公司、光大证券股份有限公司、长江证券股份有限公司、齐鲁证券有限公司、中航证券有限公司、华安证券股份有限公司、天相投资顾问有限公司、德邦证券有限责任公司、国联证券股份有限公司、信达证券股份有限公司、金元证券股份有限公司、中信证券股份有限公司、平安证券有限责任公司、中信证券（山东）有限责任公司、中信证券（浙江）有限责任公司、华龙证券有限责任公司、东海证券有限责任公司、国泰君安证券股份有限公司、华宝证券有限责任公司、第一创业证券股份有限公司等。

哪些基金销售机构是基金代销机构？

上海天天基金销售有限公司、上海好买基金销售有限公司、杭州数米基金销售有限公司、深圳众禄基金销售有限公司、浙江同花顺基金销售有限公司、北京植信投资管理有限公司、一路财富(北京)信息科技有限公司等。

二 : 我国金融机构有哪些?

我国金融机构有哪些?

---

我国的金融机构，按地位和功能可分为四大类：

第一类，中央银行，即中国人民银行。

第二类，银行。包括政策性银行、商业银行。

第三类，非银行金融机构。主要包括国有及股份制的保险公司，城市信用合作社，证券公司，财务公司等。

第四类，在境内开办的外资、侨资、中外合资金融机构。以上各种金融机构相互补充，构成了一个完整的金融机构体系。

1、中国人民银行 2、政策性银行

3、商业银行 4、保险公司

5、信托投资公司 6、证券机构

7、财务公司 8、信用合作组织

9、其他金融机构

三 : 我国唐朝的国家机构是如何设置的?一般有哪些机构?很急~~~~~

我国唐朝的国家机构是如何设置的?一般有哪些机构?

很急~~~~~

---

分为中书省,门下省,尚书省. 唐太宗时,明确划分三省的职权.中书省负责草拟和颁布皇帝的召令.门下省负责审核政令.尚书省负责执行国家重要政令.三省长官都为宰相.六部分为 吏 户 礼 兵 刑 工 六部.

三省六不\部制度削弱拉宰相的权利.加强皇帝的权利.

四 : 金融大数据的机会有哪些

2016年12月3日第19期智能金融沙龙，文因互联非常荣幸地邀请到金融大数据的大咖——北京视野金融的COO张灿，和大家聊聊金融大数据、人工智能金融和新三板数据的分析与整合。

张灿，视野金融联合创始人、COO。12年金融IT从业经验，证券、基金从业资格。拥有大型、中型、创业公司工作经验，历任销售、咨询、管理等岗位，具有丰富的企业管理和实战经验。

在金融大数据、新三板数据研究、XBRL、信贷财务分析、风险评级、支付、IT营销管理领域有很深的研究，并拥有丰富的实践经验和深厚的人脉资源，曾主导过多家大型银行、证券公司、第三方支付机构信息系统及互联网项目的建设。

本文为张灿在文因互联智能金融沙龙现场分享的实录：

一、金融大数据行业的发展

真正的金融信息化，应该是在1998年之后才真正开始的。为什么说1998年之后?因为当时我们在某银行做系统时就发现早些年的数据根本找不到。而到了2010年，金融机构的数据质量才慢慢好起来。

1.金融信息化二十年，金融数据在做什么?

数据大集中

数据大集中是一个过程，之前整个银行体系都在分行，包括证券公司也是如此。这些金融机构并没有集中的数据中心概念，所以他们先做了数据大集中。

数据仓库

数据仓库是在数据大集中的基础上，提升、改善了数据的质量。

报表

在上面两步的基础上，做了两个报表：一个是监管报表，另一个是内部管理报表。

决策支持

决策支持是基于报表而形成的系统。但是，最后形成的决策支持系统扮演的角色并不是全局性的。比如，针对风险部门的是风险数据仓库，针对业务部的是客户数据仓库，所以在金融信息化过程中，以上四个方面还是部分处于分离的状态。

2. 最近几年，金融数据在做什么?

数据效率和即席分析

最近几年，大家又开始认为数据收集过多。对国内的金融机构来讲更是这样。实际上从数据的角度来讲，用户量实在太大了。现在我有几个同事在用Hadoop给银行做解决方案，大家发现数据效率已经成了非常大的瓶颈，因为其中有些计算实在太复杂。

原来从数据库导到数据仓库里，可以延时来算这个数据，但现在发现这样不可行了。最典型的一个案例就是“反欺诈”。 P2P现在已经有团伙性作案诈骗，这就导致选择模型很难，然而又不能像银行放贷一样速度很慢。所以我觉得，提升数据效率和即席分析这两个结合起来，诞生了非常多的机会。

数据整合

无论做什么样的分析，数据质量是最重要的。如果数据质量差，很多事情都做不了。

公开数据现在越来越开放，比如说工商数据、征信数据。所以我觉得很多公开数据的运用，确实为数据分析提供了非常好的基础。

智能金融的尝试

为什么用尝试二字，因为我还是持一个比较保守的观点。就智能金融而言，现在的数据挖掘技术与人工智能技术还是不够的，但是我相信科技的不断发展肯定会解决这个问题。我一直坚信一个观点就是：以后绝对不会存在物理上云的概念。再过十年或者二十年所有的东西都是云，这就是趋势，是你没有办法改变的。我觉得智能金融或者大数据是一个趋势，是一个没有办法去改变、没有余地可讨论的趋势。

3. 银行、贷款机构的大数据应用热点

信用评级+

这部分对金融机构来说是不可或缺的，无论是何种形式的评级都发展得很快。

押品管理

这是大家没有解决好的一点。比如车贷评级还是一个弱项。

实时放贷

银行在这方面的应用上其实要负一大部分责任。因为我们的金融体系还不健全，导致小额贷款难度较大。

实时预警

提到实时放款就会涉及到实时预警。做到实时预警，需要将现有数据系统变成一个可计算的系统。整个的存储架构包括业务逻辑与数据计算的架构，都需要做出改变。实时预警并不仅仅是计算模型这么简单，贷前、贷中与贷后的实时预警都是必须的。如果大家有兴趣做，这会是一块很大的市场。

另外还有两个大数据的应用热点是“营销和客户分析”和“金融机构的工厂化”。

4. 投资机构的大数据应用热点

投资机构的大数据应用是这两年我们一直在做的事情。

第一张图是“百度股市通”，我觉得挺有意思的是股票雷达，用搜索的情绪来看其对A股的影响。因为A股确实是散户市场，情绪的影响确实很明显。使用以后你会发现，搜索热度和上证指数在一年和两年的时期内基本是一致的。

对于现在比较热门的量化，我们也在和公募基金、私募基金合作进行研究。但是需要明白的是，量化还有很长的路要走。再往下讲就是风控、投资机构合规性做的很好。但是对市场的预警与企业的预警，银行比证券公司做得好，比如在证券市场崩盘前很多银行已经在撤资了。

二、企业分析评价探讨

1. 企业评级的演变

企业风险评级有一个演变的过程：打分卡 → 评级 → 风险预警

关于影响企业评级的因素，有以下几个维度：

财务因素

只考虑财务指标，数据全部来源于财务报表，并可由系统自动计算指标值，标识指标值的表现好坏，按照一定规则计算出财务评分，得到财务子模型评级级别。

非财务因互素

涉及一般情况下可获取的客户相关信息，例如财务管理水平，经营管理水平，外部征信情况，银企关系等。

行业地区因素

主要业务范围所处地区的信用分析、所在行业的前景展望和行业信用分析。

财务预警

主要考虑对客户评级级别影响较大的财务指标，其值可以由系统自动从财务报表中计算得到。比较指标值与预警的阀值，显示是否有预警。

非财务预警

考虑出现概率比较小，影响程度比较大的预警事件。

外部影响

要考虑与企业相关的宏观信息，例如政府支持、政策导向、重大经济事件等。

2. 行业分析的拓展

大家做企业评级、分析、参照的核心其实是两点：行业和规模。实际上，我觉得行业分类无论是采用统计局还是证监会的分类标准，其实差别都不大。况且，在分析中小企业时，这些标准的适用性并不强。

关于行业分析的扩展，视野金融也正在进行尝试。

首先，我们做的是宏观数据和行业数据的配比。宏观数据的可读性较差，可以说只是一个库而已。但对单列的某个行业来讲，比如铁路运输量和煤炭行业，白酒的销售和A股白酒行业的业绩表现，这些指标和行业趋势还是比较吻合的。将统计局的数据与行业数据相结合，还是可以看到大趋势的。

其次，是关联关系的分析。A股的两千多家公司中有很多关联公司，如果再加上新三板的挂牌企业，相当于将一万多家企业进行关联。将这两部分关联关系的优点是：披露信息更全。因为通过工商数据的关联关系，只能查到一些股权关系，信息不够全面。

最后，是大家都在尝试的产业链分析。这其中涉及前五大供应商、前五大供货商的分析等。

三、新三板数据挖掘探讨

大家在新三板上想做的事情，我觉得都很类似。无非是企业画像、投资机构画像、投资模型、并购模型、引入第三方数据等。我们现在其实也能感觉出来，通过数据发现企业价值和对投资机构分析的需求是非常核心的。目前，我认为新三板还处于一个“不透明”的起步阶段，大家想知道很多问题。比如投资机构想知道其他类似投资机构的投资收益。新三板公司也希望知道同行业里有哪些投资机构在投，有哪些动作，如果融资的话，以一个怎样的价格谈比较合适。

在引入第三方数据时，我们发现三板四板、A股、美股港股、国家统计局、国资委、工商、证监协会的数据量比A股大的多。A股是两千多家公司，加上四板和新三板企业，差不多有五万多家企业。所以，对这部分数据的挖掘任务还是非常重的。

四、聊聊企业融资

在做新三板市场时，我们发现大家都在考虑股权融资。但是适当借债或者是用并购的思路去融资也是不错的选择。现在，很多新三板企业融资难，解决这个问题的核心就是要读懂金融机构的思维。简单来说，银行思考的是企业的偿债能力，而投资机构思考的是能不能退出。因为银行的钱基本来自于存在，所以银行要保证资金的安全性，其次是能否兑付。投资机构则需要保证资金的按时的收益率。

最后一点，我认为企业要对照投资机构的思维挖掘自身优势，包括投资机构看重的行业的一些优势，比如这家投资机构投过产业链里哪些企业等。除此之外，企业还需要对金融机构有一个判断，了解投资机构的偏好、创始人和合伙人的背景，这样你会发现融资的脉络就会变得很清晰了。

嘉宾提问环节：

1.关于建设企业数据库，很多金融机构都有这方面的需求，但是为什么现在还没有出现?

答： 我简单说一下我的观点，第一个就是银行和证券行业看起来都是金融行业，但其实处于信息不对称的割裂状态。去年，某银行在做一个项目时需要一些企业数据，而那家供应商的解决方式是在新浪网上搜。我认为，这样的信息是割裂的。另一方面，这件事情虽然有价值，但前期投入太高，所以收益并不太高，比如说国内的知名金融数据终端在新三板上面吃力但不讨好。

但是我们想过一个方式，比如大智慧在安徽建立了一个基地。把这个标准定好的话，可以请一些稍微便宜的人力来解决这个问题。机器虽然可以解决一大部分事情，但是很多事后还是需要依靠人力。

2.能不能具体分享一下，在特定行业中的数据服务?

答：目前，针对特定行业数据服务的需求还是挺多的，这是一个典型的金融机构需求。因为金融机构其实是不懂行业的，也不可能去培养那么多特定行业的人去研究某个行业。所以我觉得金融机构获取行业信息的途径可以分三部分：第一部分就是研究报告，比如券商或者独立研究机构的研究报告;第二部分则是聘请咨询公司做调研;第三部分就是请一些行业专家做一个访谈。像大型金融机构会在每年校招的时候倾向去招相关专业的人才。

五 : 我国现有的汽车金融机构有哪些？

上汽通用金融公司

大众汽车金融公司

丰田汽车金融(中国)有限公司

福特汽车(中国)金融公司

戴-克汽车金融(中国)有限公司

东风日产汽车金融有限公司

沃尔沃汽车金融(中国)有限公司

东风雪铁龙汽车金融公司

奇瑞徽银汽车金融有限公司

本文标题：我国的金融机构有哪些-基金代销机构是什么？有哪些典型的基金代销机构？
本文地址： http://www.61k.com/1092768.html